基于蚁群和粒子群优化的混合算法求解TSP问题

提出了一种基于蚁群优化和粒子群优化的混合算法求解TSP(Traveling Salesm an Prob lem)问题。在应用蚁群算法对TSP问题的求解过程中,利用粒子群算法对蚁群系统的参数进行优化,其目的是提高蚁群系统的优化性能,使蚁群系统的参数不必靠人工经验或反复试验选取,而是通过粒子搜索自适应选取。     

基于蚁群算法寻优的电动轮汽车牵引力PID控制

提出了一种基于蚁群算法优化PID参数的控制策略,并应用于电动轮汽车的牵引力控制.文中提出了一种易于工程应用的方法来实时估计车辆的状态参数,设计模糊控制器计算出最佳滑转率,将ACO应用到牵引力PID控制器中从而实现对车轮转矩的调节,并在搭建的电动轮汽车中进行实车测试.结果表明,所制定的控制策略可以满足要求,抑制了车轮的过度滑转.     

元启发式数据关联的多目标跟踪方法

提出了一种元启发式数据关联的多目标跟踪方法。首先,该方法根据跟踪门逻辑确定目标的有效量测。然后,利用滤波信息的似然函数描述量测点与目标之间的关联关系,并建立约束条件下多目标数据关联模型。最后,对蚁群优化算法进行改进设计,引入量测剔除策略,将求解问题转化为无约束的组合优化形式,从而利用蚁群优化算法在离散空间的启发式机制搜索量测与目标的最佳关联。仿真结果表明,该方法可以有效实现多目标数据关联且计算量较小,具有一定的工程实用价值。     

基于IP-ACO算法的航天器测控资源调度技术

采用多目标蚁群优化算法对航天器测控资源调度问题进行研究。在分析中低轨道航天器测控特点的基础上,综合考虑包括测控时间窗口约束和设备切换时间约束在内的多类复杂约束条件,建立多目标航天器测控资源调度模型。在Pareto蚁群优化算法的基础上,引入蚁群社会中的分工协作思想并构建测控任务时间约束有向图,设计基于任务选择期望的状态转移规则和基于自适应网格技术的权重更新策略,从而提高算法求解性能。仿真实验结果表明该方法能有效解决多目标航天器测控资源调度问题。     

蚁群算法在桁架结构离散变量优化设计中的应用

文章进行了离散变量结构优化设计问题的分析;论述了蚁群算法原理;进行了该算法在桁架结构优化设计中的应用研究;进行了拓展该算法应用领域的尝试;建立了桁架结构的优化设计模型;通过例题来验证该算法应用的可行性和有效性。     

基于蚁群算法的无线传感器网络优化

无线传感器网络（WSN）中的传感器节点由一次性电源供电,能量优化关乎整个网络的寿命.优化网络拓扑结构有利于提高WSN整体的能量利用率.ACO是一种基于种群（population based）的启发式仿生进化算法.提出了基于ACO的WSN的网络优化算法,以16个固定位置节点和20个任意位置节点的WSN为对象进行了仿真研究.实验结果验证了该算法的有效性.     

基于粒子群和蚁群算法的船舶机舱规划方法

基于粒子群算法和蚁群算法,提出了一种优化算法用于求解船舶机舱布局规划问题.船舶机舱规划问题主要包括设备布置和管路敷设.由于船舶机舱空间有限,设备和管路数量繁多,约束条件复杂,在进行具体设计过程中,需要反复多次校核修改,才能获得可行的设计方案.为了充分考虑设备布置和管路敷设设计两者之间的耦合作用,建立数学模型,从而获得全局最优的设计方案.模拟实验的结果证明,所提出的优化方法在求解船舶机舱布局规划问题中的可行性和有效性.     

基于蚁群算法的信道分配优化模型与仿真

借由对蜂窝系统的分析,建立了一个固定信道分配的数学模型。在基本蚁群算法的基础上,改进了转移策略和信息素更新策略,提高了收敛速度并有效防止局部最优。在单一信道问题中,得到各种(K1,K2)约束的最优循环分配方案;且约束为(K,K)的图例,总能通过1 iK这7个不同信道,分配出可无限延伸的最佳方案。而以21小区费城问题为实例的多信道分配,也得到较好的结果。通过实际图例给出的性能仿真结果, 节约了过多的频率资源占用和计算时间。     

基于模拟退火的动态蚁群算法求解TSP

旅行商问题是智能算法研究中的一个经典问题,同时也是检测智能算法的标尺.在是蚁群算法的参数随着迭代的进行做动态调整的基础上,运用模拟退火算法对取得的局部最优解进行调整,使蚁群算法跳出局部最优,得到更好的解